大家好，我又来了。我们接着前面的学习，前一部分我们学习了多维随机变量及其联合分布、边际分布、随机变量的独立性，我们今天学习多维随机变量函数的分布、多维随机变量的特征数、条件分布与条件期望 。(对应一维情况，是一样的学习顺序)。
(一)多维随机变量函数的分布
照样，我们分为多维连续随机变量函数和多维离散随机变量函数两种情况来说。
(1)多维离散随机变量函数
我们直接上例题，和一维离散随机变量函数一样，直接按照函数来加减就可以了，直接看例题，怎么容易理解咱们就怎么来：
例题
所以
泊松分布具有可加性(也就是离散场合的卷积公式) ：接着往后看就能明白了。
可加性
二项分布具有可加性(同上离散场合卷积公式)：
可加性
现在插入介绍卷积公式：
卷积公式
注意：
①是求X+Y的。
②条件中“相互独立”(回头看一下可加性条件是不是要求相互独立)。
(2)连续随机变量变量函数
由卷积公式，所以
正态分布具有可加性：
可加性
伽玛分布具有可加性：
可加性
下面以两个例题看一下积的公式和商的公式
公式
插一句，我讲的和你自己看书的区别在于我会给你们梳理逻辑，突出重点。
(二)多维随机变量的特征数
我们将介绍期望、方差，与一维不同的是，还有反应两个随机变量间关联程度的协方差与相关系数。不解释，直接看公式
公式
公式
注:
①怎么理解？证明写出来应该也记不住吧。如果非要有了解，那就是把公式用中文描述出来。例如，和的期望等于期望的和。
②怎么算期望、方差？套公式啊！
③公式越来越多记不住了？说明同学你做题少了。不信？常见随机变量的密度函数你写的出来吗？写不出来说明做题不够
④另外注意，公式的前提条件，有些要求相互独立。
⑤施瓦茨公式看不懂可以调过。(不过我估计你高数里还得学，只是不同形式而已，哈哈)
(三)条件分布与条件期望
条件分布分为条件分布列和条件分布函数(对应……，你懂的，说了n编哦)，应该不难了解
定义
是不是没了解？我就知道，看题就了解了，明白考试会怎么考你就可以了。
①离散情况：
例题
例题
②连续情况：
例题
例题
今天的分享就到这里，如有不对，请批评指出。若您觉得对你有帮助，那我深感荣幸，可以分享给同学。大家一起努力，一起进步。
晚上本该早就更新的，无奈意外退出文章编辑，然后就一言难尽了，对不住大家了。码字不易，喜欢的朋友可以点个关注哦，我们定期更新，高数、线代都会有。
下次我们将更新大数定律。因为喜欢，所以坚持！加油。
喜欢数学没理由
